IA e os Problemas Difíceis do Mundo · Química e materiais · arXiv · 2026-10-21
Meta-Aprendizado Interpretável para Busca Química Multiobjetivo
Título original: Interpretable Meta-Learning for Multi-Objective Chemical Search
Os autores apresentam um pipeline modular que combina modelos lineares interpretáveis de meta-learning com quantificação de incerteza por confiança adaptativa em uma estrutura de Otimização Global Eficiente para descoberta molecular multiobjetivo. Modelos substitutos meta-aprendidos, treinados em múltiplos objetivos químicos e propriedades auxiliares de baixo custo, adquirem conhecimento químico transferível que se adapta rapidamente a novos objetivos a partir de dados limitados e, em uma busca real em larga escala por complexos metal-orgânicos de transição de spin, o modelo de referência tem desempenho 78% pior no sentido de Pareto. Um algoritmo adaptativo de ajuste de confiança, que recalibra dinamicamente o trade-off entre exploração e explotação à medida que a busca evolui, domina, adicionalmente, mais de 50% da fronteira calibrada estaticamente.